當(dāng)下互聯(lián)網(wǎng)技術(shù)飛速發(fā)展,海量的信息資源使得網(wǎng)絡(luò)利用率急劇下降,所以,如何快速為用戶推薦出滿足其需求條件的信息,并提高推薦系統(tǒng)的個(gè)性化和推薦效果的準(zhǔn)確性,成為目前尤為突出的待解決研究點(diǎn)。本文針對(duì)推薦系統(tǒng)的個(gè)性化服務(wù)效果和推薦結(jié)果的準(zhǔn)確度提升等,改進(jìn)了傳統(tǒng)推薦算法,并將深度學(xué)習(xí)技術(shù)與推薦系統(tǒng)相結(jié)合,融入到了多Agent推薦框架之中,以此展開深入的研究。本文的主要研究?jī)?nèi)容如下:(1)針對(duì)傳統(tǒng)基于協(xié)同過濾的推薦中存在的冷啟動(dòng)以及推薦準(zhǔn)確度較低的問題,在協(xié)同過濾算法的基礎(chǔ)上,提出了基于K-means的矩陣分解推薦算法(Matrix Factorization Based on K-means,KMMF)。該算法先提取出興趣相似的用戶,再以此為基礎(chǔ)進(jìn)行矩陣分解。小規(guī)模的矩陣運(yùn)算可以有效降低計(jì)算復(fù)雜度。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的KMMF算法相較于傳統(tǒng)的基于內(nèi)容的推薦和矩陣分解推薦,在召回率和精確度上都有了明顯的提高,并且在處理用戶冷啟動(dòng)問題上也取得了很好的效果。(2)針對(duì)傳統(tǒng)推薦算法缺乏考慮特征相互作用影響的問題,將深度學(xué)習(xí)與推薦系統(tǒng)相融合,提出了一種基于深度學(xué)習(xí)的混合推薦模型(Deep and Cros...

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于深度學(xué)習(xí)的推薦方法
        1.2.2 多Agent方法
    1.3 本文的主要工作
    1.4 本文組織結(jié)構(gòu)
2 相關(guān)理論與技術(shù)
    2.1 基于內(nèi)容的推薦算法
    2.2 基于協(xié)同過濾的推薦算法
    2.3 深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型
    2.4 混合推薦策略
        2.4.1 混合推薦結(jié)果
        2.4.2 混合推薦過程
    2.5 本章小結(jié)
3 基于K-means的矩陣分解算法
    3.1 Funk-SVD矩陣分解
    3.2 K-means聚類分析
    3.3 基于K-means的矩陣分解算法設(shè)計(jì)
    3.4 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.4.2 模型評(píng)估指標(biāo)
        3.4.3 參數(shù)選取
        3.4.4 對(duì)比實(shí)驗(yàn)
        3.4.5 模型預(yù)測(cè)
    3.5 本章小結(jié)
4 基于DCFM的深度學(xué)習(xí)推薦模型
    4.1 因子分解機(jī)
    4.2 深度因子分解機(jī)
    4.3 基于DCFM的深度學(xué)習(xí)推薦模型設(shè)計(jì)
        4.3.1 輸入部分
        4.3.2 主體部分
        4.3.3 輸出部分
    4.4 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
        4.4.1 模型評(píng)估
        4.4.2 實(shí)驗(yàn)及超參設(shè)置
        4.4.3 實(shí)驗(yàn)結(jié)果
    4.5 本章小結(jié)
5 基于XDeepFM的深度學(xué)習(xí)推薦模型
    5.1 壓縮式交互網(wǎng)絡(luò)CIN
    5.2 基于XDeepFM的深度學(xué)習(xí)推薦模型設(shè)計(jì)
    5.3 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
    5.4 本章小結(jié)
6 基于多Agent框架的推薦模型
    6.1 多Agent框架設(shè)計(jì)
    6.2 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
    6.3 本章小結(jié)
7 總結(jié)與展望
    7.1 研究總結(jié)
    7.2 研究展望
參考文獻(xiàn)
作者簡(jiǎn)歷
致謝



本文編號(hào)：3852679